Copertina

On the Wasserstein Gradient Flow Interpretation of Drifting Models

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Gretton, Arthur, Wenliang, Li Kevin, Galashov, Alexandre, Thornton, James, De Bortoli, Valentin, Doucet, Arnaud
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Machine Learning Artificial Intelligence
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Deep MMD Gradient Flow without adversarial training
di: Galashov, Alexandre, et al.
Pubblicazione: (2024)

Accelerated Diffusion Models via Speculative Sampling
di: De Bortoli, Valentin, et al.
Pubblicazione: (2025)

Learn to Guide Your Diffusion Model
di: Galashov, Alexandre, et al.
Pubblicazione: (2025)

Distributional Diffusion Models with Scoring Rules
di: De Bortoli, Valentin, et al.
Pubblicazione: (2025)

Simulating Diffusion Bridges with Score Matching
di: Heng, Jeremy, et al.
Pubblicazione: (2021)

Gradient Flow Drifting: Generative Modeling via Wasserstein Gradient Flows of KDE-Approximated Divergences
di: Cao, Jiarui, et al.
Pubblicazione: (2026)

Prompting Strategies for Enabling Large Language Models to Infer Causation from Correlation
di: Sgouritsa, Eleni, et al.
Pubblicazione: (2024)

Schrödinger Bridge Flow for Unpaired Data Translation
di: De Bortoli, Valentin, et al.
Pubblicazione: (2024)

Drifting Field Policy: A One-Step Generative Policy via Wasserstein Gradient Flow
di: Koo, Juil, et al.
Pubblicazione: (2026)

Progressive Inference-Time Annealing of Diffusion Models for Sampling from Boltzmann Densities
di: Akhound-Sadegh, Tara, et al.
Pubblicazione: (2025)

Nearly $d$-Linear Convergence Bounds for Diffusion Models via Stochastic Localization
di: Benton, Joe, et al.
Pubblicazione: (2023)

Wasserstein Gradient Flows for Scalable and Regularized Barycenter Computation
di: Montesuma, Eduardo Fernandes, et al.
Pubblicazione: (2025)

Self-Speculative Masked Diffusions
di: Campbell, Andrew, et al.
Pubblicazione: (2025)

Target Score Matching
di: De Bortoli, Valentin, et al.
Pubblicazione: (2024)

From Denoising Diffusions to Denoising Markov Models
di: Benton, Joe, et al.
Pubblicazione: (2022)

Weighted Stochastic Differential Equation to Implement Wasserstein-Fisher-Rao Gradient Flow
di: Rahimi, Herlock
Pubblicazione: (2025)

Learning-Order Autoregressive Models with Application to Molecular Graph Generation
di: Wang, Zhe, et al.
Pubblicazione: (2025)

Closed-Form Last Layer Optimization
di: Galashov, Alexandre, et al.
Pubblicazione: (2025)

Drift Flow Matching
di: Ma, Chenrui, et al.
Pubblicazione: (2026)

Solving Fredholm Integral Equations of the First Kind via Wasserstein Gradient Flows
di: Crucinio, Francesca R., et al.
Pubblicazione: (2022)

Learning Discrete Autoregressive Priors with Wasserstein Gradient Flow
di: Zheng, Bowen, et al.
Pubblicazione: (2026)

G-Drift MIA: Membership Inference via Gradient-Induced Feature Drift in LLMs
di: Ranjan, Ravi, et al.
Pubblicazione: (2026)

Doubly Robust Proxy Causal Learning with Neural Mean Embeddings
di: Bozkurt, Bariscan, et al.
Pubblicazione: (2026)

Kalman Filter for Online Classification of Non-Stationary Data
di: Titsias, Michalis K., et al.
Pubblicazione: (2023)

Bures-Wasserstein Flow Matching for Graph Generation
di: Jiang, Keyue, et al.
Pubblicazione: (2025)

Non-Stationary Learning of Neural Networks with Automatic Soft Parameter Reset
di: Galashov, Alexandre, et al.
Pubblicazione: (2024)

Learning with Differentially Private (Sliced) Wasserstein Gradients
di: Rodríguez-Vítores, David, et al.
Pubblicazione: (2025)

Learning Unbiased Cluster Descriptors for Interpretable Imbalanced Concept Drift Detection
di: Zhang, Yiqun, et al.
Pubblicazione: (2026)

Private Wasserstein Distance
di: Li, Wenqian, et al.
Pubblicazione: (2024)

Diffusion Models as Constrained Samplers for Optimization with Unknown Constraints
di: Kong, Lingkai, et al.
Pubblicazione: (2024)

Leakage and Interpretability in Concept-Based Models
di: Parisini, Enrico, et al.
Pubblicazione: (2025)

DriftXpress: Faster Drifting Models via Projected RKHS Fields
di: Falahati, Ali, et al.
Pubblicazione: (2026)

The Gradient of Algebraic Model Counting
di: Maene, Jaron, et al.
Pubblicazione: (2025)

WGFormer: An SE(3)-Transformer Driven by Wasserstein Gradient Flows for Molecular Ground-State Conformation Prediction
di: Wang, Fanmeng, et al.
Pubblicazione: (2024)

Variational Learning for Insertion-based Generation
di: Zhang, Yangtian, et al.
Pubblicazione: (2026)

Beyond Shapley Values: Cooperative Games for the Interpretation of Machine Learning Models
di: Idrissi, Marouane Il, et al.
Pubblicazione: (2025)

A Distributional Analogue to the Successor Representation
di: Wiltzer, Harley, et al.
Pubblicazione: (2024)

Interpretable Perturbation Modeling Through Biomedical Knowledge Graphs
di: Passigan, Pascal, et al.
Pubblicazione: (2025)

Muon Dynamics as a Spectral Wasserstein Flow
di: Peyré, Gabriel
Pubblicazione: (2026)

Sobolev Regularized MMD Gradient Flow
di: Tian, Chenyang, et al.
Pubblicazione: (2026)